基于RGB-D的人体姿态识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 姿态识别研究现状 | 第11-12页 |
| 1.2.2 基于RGB-D姿态识别的研究现状 | 第12-14页 |
| 1.3 研究的目的及意义 | 第14页 |
| 1.4 论文的主要研究内容及组织结构 | 第14-16页 |
| 第2章 基于RGB-D图像分析及处理 | 第16-25页 |
| 2.1 人体姿态识别相关理论 | 第16-18页 |
| 2.1.1 基于彩色图像的背景去除算法 | 第17页 |
| 2.1.2 常用运动目标检测算法研究 | 第17-18页 |
| 2.2 RGB-D图像特性 | 第18页 |
| 2.3 基于Kinect获取深度图像分析 | 第18-21页 |
| 2.3.1 Kinect成像原理 | 第19-20页 |
| 2.3.2 基于Kinect深度图空洞原因分析 | 第20-21页 |
| 2.4 基于Kinect深度图像空洞修复算法 | 第21-24页 |
| 2.4.1 基于最邻近插值预处理算法 | 第21-23页 |
| 2.4.2 基于中值滤波预处理算法 | 第23-24页 |
| 2.5 本章小节 | 第24-25页 |
| 第3章 基于深度图像的边缘修复与头部定位算法 | 第25-37页 |
| 3.1 基于深度图像的边缘检测修复算法 | 第25-31页 |
| 3.1.1 边缘检测算法分析 | 第25-29页 |
| 3.1.2 基于深度图像的边缘检测修复算法 | 第29-31页 |
| 3.2 头部模板匹配算法分析 | 第31-33页 |
| 3.2.1 图像匹配基础理论研究 | 第31-32页 |
| 3.2.2 图像匹配关键要素 | 第32-33页 |
| 3.3 基于MAD的头部匹配算法 | 第33-36页 |
| 3.3.1 确定头部匹配算法 | 第33-34页 |
| 3.3.2 基于MAD头部匹配算法实现 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于深度图像的特征提取及分类算法 | 第37-50页 |
| 4.1 基于深度图像的人物提取算法 | 第37-41页 |
| 4.1.1 图像分割算法 | 第37-38页 |
| 4.1.2 区域增长算法 | 第38-39页 |
| 4.1.3 基于深度的区域增长算法 | 第39-41页 |
| 4.2 几种常用特征及HOG特征提取 | 第41-42页 |
| 4.3 基于HOG特征提取计算 | 第42-45页 |
| 4.3.1 Gamma标准化 | 第43页 |
| 4.3.2 计算梯度 | 第43-44页 |
| 4.3.3 构建梯度方向直方图 | 第44页 |
| 4.3.4 归一化 | 第44-45页 |
| 4.4 姿态训练分类算法 | 第45-49页 |
| 4.4.1 基于GRNN的姿态分类器 | 第46-48页 |
| 4.4.2 GRNN分类器实现 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验设计与结果分析 | 第50-58页 |
| 5.1 边缘检测算法比较实验 | 第50-52页 |
| 5.2 基于深度图像的边缘修复实验 | 第52-54页 |
| 5.3 基于MAD头部模板匹配实验 | 第54-55页 |
| 5.4 基于深度的人物区域提取实验 | 第55-56页 |
| 5.5 特征提取与分类识别实验 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
